AI 影片生成：實際上是怎麼發生的
試試看：在最低檔位上，不改動任何一個字，把同一個片段生成兩次；然後只改一句話，再生成一次。兩次完全相同的請求，可能產生兩段不同的片段；第三次則能看出，單獨一句文字能造成多大的差別。
一次生成就是一段短片
影片模型接收一段描述和幾張參考圖，回傳一段片段。每次呼叫都是如此，而你所選的檔位，決定單次呼叫最長能回傳多長的片段。在 SceneMixer 上，某些檔位的上限是 15 秒，長鏡頭檔位則是 30 秒，分鏡就是依這個上限撰寫的。這樣的一段短片就是一個 片段。因此，一分鐘的成片，在 15 秒的檔位上至少需要四個片段，在長鏡頭檔位上至少兩個，每個都由各自的呼叫生成，絕不會由一次長呼叫完成。
在片段內，故事會被切成三到五個編號鏡頭，各鏡頭的秒數加總，就是該片段的長度。上限是最大值，而不是目標：只有兩個短鏡頭的片段，可能只有幾秒鐘。當鏡頭加總超過上限時，會先縮短無台詞的鏡頭，然後在鏡頭邊界把片段切開。不會從結尾砍掉任何內容。價格以秒計算，因此一集不論切成短段或長段，費用相同；差別只在於重做一段要花多少錢。15 或 30 秒的片段。
一次呼叫包含什麼
一次呼叫由三部分組成：
- 片段自己的文字。 在 SceneMixer 裡，開頭會標明唯一的地點和時間，接著是編了號、標有秒數的鏡頭，用 @ 標籤點名的人物和道具，以及附有聲音的台詞。
- 參考圖。 鏡頭中每個人各一張、場景一張、每個重要道具一張，以及穿著不同服裝或處於不同狀態的人物，各需一張狀態圖。
- 檔位。 決定解析度、最長片段，以及每秒價格。
前一段片段不會展示給模型。這就是為什麼一個片段必須停留在同一個場景與同一條時間線上：它是依同一組場景圖製作的，因此若鏡頭跳到另一個房間或另一天，會在付費前就被拒絕，必須另外成為一個片段。一個片段停留在同一場景與同一時間線。
為什麼臉孔會變，以及什麼能讓它固定
因為每次呼叫都從零開始，任何只能用文字 描述 的東西，都會被重新發明一次。大多數被稱為「AI 不一致」的情況，都是這個原因，而每種情況的補給方式各不相同。
| 會漂移的是什麼 | 為什麼會發生 | 網站提供什麼 | 你要做什麼 |
|---|---|---|---|
| 鏡頭之間的臉孔 | 沒有任何先前呼叫的記憶，所以臉孔會被重新發明 | 每個角色一張已確認的圖片，附在每個提到該角色的鏡頭上 | 用 @ 標籤指名角色；在第 2 步修正一次圖片即可 |
| 鏡頭之間的房間 | 同樣的原因，套用在場景上 | 每個地點一張圖，並為每個場景自動生成 AI 三維模型，讓誰坐在哪裡在拍鏡頭前就先定好 | 每個片段只用一個場景 |
| 服裝或傷勢 | 除非重新寫出來，否則傷口不會從一次呼叫帶到下一次 | 以文字保存的連續紀錄，以及用於持續性外觀的狀態圖 | 把變化寫進發生變化的那個鏡頭中 |
| 聲音 | 沒有任何呼叫記得角色在先前呼叫中的聲音 | 每個角色一個聲音，只選一次，用於每一句台詞 | 在角色陣容中選擇或上傳聲音 |
這也是為什麼更高的 SceneMixer 檔位修不好一張錯的臉：解析度改變的是畫面的清晰度，而不是畫的是誰。我的角色臉變了：檢查清單和為什麼整個系列能保持一致會帶你逐項走過這些修正方法。
合併時什麼會被帶過去
自 2026 年十月下旬起撰寫或重新生成的分鏡，故事會靠一份持續更新的記錄從一個片段傳到下一個片段，這份記錄是 SceneMixer 在解析你的文字時維護的：誰在哪個場景、他們是坐著、站著、躺著、跪著還是蹲著、手裡拿著什麼、穿著哪一套造型、身上的傷口和泥巴、是濕是乾、有沒有昏迷；以及每個場景的時段、天氣、光線、門窗是否開著、有沒有人群在場。每個新片段都從這份記錄加上自己的文字和圖片出發。
| 你在第 3 個片段中寫的 | 第 4 個片段會以這句開始 |
|---|---|
| @瑪拉脫下外套，搭在椅背上。 | 瑪拉沒穿外套；外套在椅子上 |
| @里歐被打中臉；血從他左眉流下。 | 里歐左眉上的傷口，仍然在那裡 |
| @里歐在水槽邊洗臉。 | 血已被洗掉 |
紀錄保存的是一個鏡頭結束時仍然成立的事，而不是鏡頭進行中發生的事。它不是前一段片段的畫面：不會附上最後一格，重新生成某個片段也絕不會改變下一個片段。它也不會虛構你沒寫過的內容。2026 年 10 月底之前的分鏡仍採用舊方式：每個片段只依自己的文字與圖片生成。系統如何在片段之間追蹤紀錄。
從按鈕到檔案：時間花在哪裡
- 點數會先預留。 按下「生成」會預留該片段在 SceneMixer 上的價格；只有影片成功送達時才會真正花掉。
- 你的帳號上限。 每個帳號同時能執行的生成數量是固定的：免費方案為 3，第一個付費方案為 5，更高的方案則更多。超出的部分會排隊、積分保持凍結，並自動開始。
- 共用上限。 整個網站在模型服務上同時能執行的工作數量有限，因此當它忙碌時，你的工作就要排在別人後面等待。最高階的方案會讓它們的工作排在前面。
- 模型執行。 這一段幾乎佔用了全部時間。2026 年 8 月的內部量測顯示，一張設定圖平均約一分半鐘，一段片段平均約九分半鐘；畫面上的卡片則顯示影片通常需要十到二十分鐘。
- 送達。 片段會被儲存，除非你的方案已關閉，否則會加上 AI 標識，卡片則變為「完成」。
較便宜、解析度較低的等級通常也比較快，因此它是最快確認某個鏡頭行不行的方式。為什麼生成要花時間。
呼叫失敗時
模型失敗的方式各不相同，SceneMixer 對這些方式的處理也不同。如果服務回報忙碌或被限流，這次呼叫會在同一個模型的另一個供應商帳號上再試一次，你提出的要求和所選的檔位都不會有任何變動。內容審核拒絕和參數錯誤不會重試：拒絕是一種判斷，再問一次得到的還是同一個答案。
積分怎麼處理，取決於已知的情況。如果模型從未收到請求，或回覆說忙碌，積分就會退還給你。如果呼叫逾時，或連線在過程中中斷，就無法確定模型是否執行並計費，因此積分會保持凍結，並在你的積分紀錄中標示為 審核中，直到有人處理為止。失敗後看起來餘額不足，通常只是被預扣，並沒有消失。生成失敗時 · 服務商忙碌，不收費。
付費之前先把生成穩定下來
- 先拍一個 SceneMixer 片段。 在開始其餘部分之前，先檢查臉、房間，以及台詞有沒有被說出來。
- 寫明畫面中有誰。 寫「一個女人轉向窗邊」的鏡頭，模型沒有可以依附的對象；寫「@Mara 轉向窗邊」才有。畫面中有誰。
- 寫出有什麼，而不是沒有什麼。 「空無一人的街道」可以用；「沒有人」反而會招來人物。寫出有什麼。
- 重新渲染前先修正文字。 編輯分鏡是免費的；重新生成則要全額收費。
- 便宜草擬，高等級完成。 以最低等級草擬，以最高等級完成。
在 SceneMixer 從頭到尾完成
- 劇本： 在 上傳劇本 貼上你自己的劇本，或在 AI 創作 中寫一句話的概要，讓它草擬各集。
- 第 1 步： 類型選 短劇；場景風格 市井煙火；服裝風格 街頭潮流；視覺風格 寫實高清；目標地區；對白語言；9:16 豎屏。然後讀取劇本。
- 第 2 步： 兩位主角各附上描述，然後把巷弄和屋頂設為場景。每個帳號的前 15 張設定圖免費。
- 分鏡： 先生成第 1 集（你的第一部短劇免費），並在渲染任何內容之前先讀一遍。每個片段只放一個地點。
- 影片： 用預設等級渲染，每秒 10 積分；修正單一鏡頭而不是整集，然後把整集合併並發布。
| 階段 | 發生什麼事 | 一般所需時間 | 你能控制的內容 |
|---|---|---|---|
| 讀取 | 你的文字會變成摘要、分集清單，以及用文字描述的角色、地點與道具 | 幾分鐘 | 文字；三種風格 |
| 設定圖 | 每段描述都會變成一張參考圖 | 每張約一分半鐘 | 描述；可重新生成單張 |
| 分鏡 | 每一集會變成多個片段，每個片段再變成有編號的鏡頭 | 幾分鐘 | 文字，編輯免費 |
| 片段 | 一次模型呼叫會返回一段片段 | 通常十到二十分鐘 | 等級、秒數、鏡頭文字 |
| 合併 | 完成的片段會合併成每集一個檔案 | 最後一個片段完成之後 | 所有片段使用同一等級，可避免重新編碼 |
常見問題
AI 影片生成是怎麼運作的？
模型接收一段文字描述和一些參考圖，一次呼叫就回傳一條短片。更長的影片是把許多片段接起來做成的，而角色、場景和目前為止的故事，由 SceneMixer 從外部提供。
為什麼 AI 影片片段這麼短？
每次呼叫都有由模型檔位決定的上限，在 SceneMixer 這裡是 15 或 30 秒。更長的影片是由數個片段接起來的，不是一次長時間的生成。
為什麼角色的臉在片段之間會改變？
每次呼叫都不記得其他呼叫的內容。只用文字描述的臉孔，每次都會重新憑空生成；若提供同一張參考圖，並在鏡頭中寫明角色名字，臉孔就會保持不變。
模型會記得前一段片段嗎？
不會。SceneMixer 依據每個片段自己的文字和圖片來生成。誰在哪裡、穿什麼這份持續更新的記錄，把故事帶過接合處，而且不會附帶最後一格畫面。
AI 影片生成要花多久？
SceneMixer 的一個片段通常要花十到二十分鐘，視檔位和排隊情況而定。你可以離開頁面；工作會在伺服器上繼續進行。
生成失敗會怎樣？
如果模型從未收到請求，積分就會退還。如果結果不明，例如逾時，積分會保持凍結，直到有人處理為止。失敗結果已經送回來的，不收費。
為什麼同樣的提示詞會得到不同的結果？
生成具有機率性：兩次完全相同的請求，可能得到兩段不同的片段。所以便宜的等級適合用來摸索，而修改一句話，也值得測試。
升級等級能修好錯誤的鏡頭嗎？
很少。等級決定的是解析度與最長片段，而不是畫的是誰、發生什麼事。那要由鏡頭文字和角色圖片決定。
更新於 2026 年 11 月 2 日